نوو نوردیسک زمان تولید گزارش‌های بالینی را از ۱۰ هفته به ۱۰ دقیقه رساند

تصور کنید گزارشی که تدوین آن ۱۰ هفته زمان می‌برد، حالا در ۱۰ دقیقه آماده شود. این جهش خیره‌کننده در بهره‌وری، زیربنای همکاری گسترده‌ای است که نوو نوردیسک (Novo Nordisk) و آنتروپیک (Anthropic) در ۱۶ سپتامبر ۲۰۲۶ برای تسریع در کشف داروهای بیماری‌های مزمن اعلام کردند.

این اقدام در حالی صورت می‌گیرد که غول‌های داروسازی در رقابتی تنگاتنگ هستند تا هوش مصنوعی را در هسته استدلال‌های بیولوژیکی خود ادغام کنند. در حالی که بسیاری از شرکت‌ها از هوش مصنوعی برای کارهای اداری ساده استفاده می‌کنند، نوو نوردیسک مستقیماً خط لوله تحقیق و توسعه (R&D) را که ریسک و اهمیت بسیار بالایی دارد، هدف قرار داده است. همان‌طور که در تحلیل قبلی ما درباره‌ی هوشیاری آنتروپیک در برابر تهدیدات هوش مصنوعی در مقیاس صنعتی اشاره کردیم، این مشارکت نشان می‌دهد که این آزمایشگاه اکنون به سمت کاربردهای تخصصی، عمیق و کاربردی در علوم تبدیل شده است.

زمینه و بستر همکاری

این همکاری که از شهر باگس‌ور در دانمارک مدیریت می‌شود، بر حل چالش‌های کلیدی کشف دارو تمرکز دارد که توسط تیم‌های محاسباتی و دانشمندان نوو نوردیسک شناسایی شده‌اند. هدف این دو شرکت، توسعه راهکارهای هدفمند برای جریان‌های کاری (Workflows) خاصی است که مستقیماً از استدلال بیولوژیکی (Biological Reasoning) پشتیبانی می‌کنند. این رویکرد در راستای تحولی است که شرکت‌هایی مانند ویو-داین پیشگام آن هستند؛ جایی که تلاش برای جایگزینی مدل‌های حیوانی با داده‌های بافت انسانی در حال بازتعریف استانداردهای پژوهشی است.

نوو نوردیسک علاوه بر پژوهش‌های بنیادی، از مدل‌های پیشرو (Frontier Models) آنتروپیک برای تقویت توسعه نرم‌افزارهای مبتنی بر هوش مصنوعی استفاده می‌کند. این شرکت، توسعه نرم‌افزاری پیشرفته را به عنوان یک توانمندساز کلیدی برای گسترش هوش مصنوعی در کل سازمان می‌بیند. برای مدیریت این فرآیند پیچیده، این همکاری شامل حاکمیت داده‌ای سخت‌گیرانه و نظارت انسانی مستمر است تا اطمینان حاصل شود که تمامی مراحل با استانداردهای اخلاقی و قانونی مطابقت دارد.

مکانیسم کلود ساینس (Claude Science)

مرکز این قرارداد، محیط کاری کلود ساینس (Claude Science) است؛ یک اپلیکیشن در حالت بتا که در ۳۰ ژوئن ۲۰۲۶ منتشر شد. این ابزار برخلاف یک مدل زبانی مستقل، یک محیط علمی جامع است که مدل‌های کلود را به ابزارهای تخصصی و یکپارچگی‌های محاسباتی متصل می‌کند. این محیط برای کاربران دارای طرح‌های Claude Pro, Max, Team و Enterprise در سیستم‌عامل‌های macOS, Windows و Linux در دسترس است.

بر اساس مستندات فنی، قابلیت‌های کلیدی این سامانه عبارتند از:

• دسترسی به بیش از ۶۰ مهارت و رابط (Connector) منتخب برای ژنومیک، تحلیل تک‌سلولی، پروتئومیکس، بیولوژی ساختاری و شیمی‌انفورماتیک.
• اتصال بومی (Native) به بیش از ۶۰ پایگاه داده علمی و ابزار BioNeMo Agent Toolkit شرکت انویدیا.
• یکپارچگی کامل با مدل‌ها و کتابخانه‌های علوم زیستی مانند Evo 2، Boltz-2 و OpenFold3.
• یک عامل (Agent) هماهنگ‌کننده عمومی که قادر است عوامل اضافی را فعال کرده یا با عوامل متخصصی که توسط کاربر ایجاد شده‌اند، تعامل برقرار کند.
• یک عامل بازبین اختصاصی که وظیفه شناسایی و اصلاح محاسبات اشتباه و ارجاعات نادرست را بر عهده دارد.

برای محافظت از داده‌های حساس، این برنامه روی زیرساخت شخصی کاربر اجرا می‌شود؛ خواه این زیرساخت یک لپ‌تاپ باشد، یک ماشین لینوکس یا یک گره ورود به محاسبات با عملکرد بالا (HPC login node). این معماری تضمین می‌کند که مجموعه‌داده‌های حجیم هرگز از سیستم‌های امن شرکت خارج نشوند. همچنین، هر خروجی شامل یک تاریخچه قابل حسابرسی است — شامل کد دقیق، محیط اجرا و توصیفی به زبان ساده — تا نتایج توسط دانشمندان دیگر به‌طور دقیق بازتولید شود.

نتایج اثبات شده: نوو اسکرایب (NovoScribe)

این همکاری یک شرط‌بندی کورکورانه نیست. نوو نوردیسک پیش از این پلتفرم نوو اسکرایب (NovoScribe) را مستقر کرده بود؛ یک پلتفرم مستندسازی که با استفاده از کلود کد (Claude Code) روی زیرساخت آمازون بدراک (Amazon Bedrock) و مونگو دی‌بی اطلس (MongoDB Atlas) ساخته شده است. این پلتفرم، تولید بازیابی‌افزا (RAG) را با متونی که توسط متخصصان دامنه تأیید شده و متغیرهای خاص هر مورد ترکیب می‌کند تا مستندات نظارتی (Regulatory Documentation) را تولید کند.

به گزارش یک مطالعه موردی از آنتروپیک، این سیستم منابع مورد نیاز برای پروتکل‌های تأیید دستگاه را ۹۵٪ کاهش داد. تأثیر روی گزارش‌های مطالعات بالینی — که می‌توانند تا ۳۰۰ صفحه طول داشته باشند — به‌ویژه چشمگیر بود.

وحید جویا، مدیر استراتژی دیجیتال نوو نوردیسک، اشاره کرد که این ابزار زمان نوشتن گزارش‌های مطالعات بالینی را ۹۰٪ کم کرده است. این امر به نویسندگان کارکنانی که پیش از این به‌طور متوسط تنها ۲.۳ گزارش در سال می‌نوشتند، اجازه می‌دهد مستندات را تقریباً به‌صورت آنی به مرحله بازبینی انسانی برسانند. جویا و تیمی ۱۱ نفره، که شامل اعضای غیرفنی نیز می‌شود، اکنون از کلود کد برای تبدیل ایده‌های خود به نمونه‌های اولیه با استفاده از زبان طبیعی استفاده می‌کنند.

تغییر استراتژیک

برای مخاطب، این اتفاق سیگنالی از تغییر در نحوه ساخت دارو است. ما از عصر «آزمون و خطا» به عصر «جهش‌های فشرده» می‌رویم. همان‌طور که داریو آمودی، مدیرعامل آنتروپیک بیان کرد، هوش مصنوعی این پتانسیل را دارد که پیشرفت‌های پزشکی یک قرن را در یک دهه فشرده کند. آمودی معتقد است فراهم کردن مدل‌های پیشرو، امن و قابل اعتماد برای پژوهشگران می‌تواند جدول زمانی کشف دارو را کوتاه کرده و کیفیت زندگی انسان را بهبود بخشد. این دیدگاه در تضاد با هشدار اخیر آمودی درباره لزوم کاهش سرعت توسعه کلی هوش مصنوعی برای جلوگیری از رشد کنترل‌ناپذیر است، که نشان‌دهنده تفکیک او میان کاربردهای علمی کنترل‌شده و توسعه عمومی است.

نوو نوردیسک با خودکارسازی مستندات فنی مشترک (CTD) که برای دریافت تأییدیه سازمان‌های نظارتی ضروری است، سخت‌ترین گلوگاه اداری در حوزه بهداشت و درمان را هدف گرفته است. اگر این شرکت بتواند مسیر تبدیل پژوهش به بازار را خودکار کند، هزینه و زمان رسیدن داروهای نجات‌بخش به بیماران می‌تواند به‌شدت سقوط کند.

مسیر پیش رو

مایک داستدار، مدیرعامل نوو نوردیسک، هدف خود را تبدیل این شرکت به پیشروترین سازمان بهداشتی مبتنی بر هوش مصنوعی در جهان اعلام کرده است. او اظهار داشت که این مشارکت سازمان R&D را «شتاب می‌بخشد» (Supercharge) تا راهکارهای تحول‌آفرین برای افرادی که با بیماری‌های مزمن دست و پنجه نرم می‌کنند، ارائه دهد. داستدار بر این باور است که هوش مصنوعی می‌تواند مسیر رسیدن به محصولات تجاری را فشرده کرده و فرصت‌های جدیدی برای درک مکانیسم‌های دارویی فراهم کند.

مرحله بعدی، گسترش این طرح‌های آزمایشی به بخش‌های امور پزشکی (Medical Affairs) و ثبت‌های کامل نظارتی است. اکنون باید رصد کرد که آیا سایر غول‌های داروسازی نیز از رویکردهای مشابه «محیط کاری» (Workbench) استفاده می‌کنند یا همچنان به مدل‌های زبانی عمومی (General-purpose LLMs) برای تحقیق و توسعه خود متکی می‌مانند.

گام بعدی شما

• اگر در حوزه بیوتکنولوژی یا فارما هستید، ساختار Claude Science را برای جایگزینی با مدل‌های چت ساده بررسی کنید.
• روی ابزارهای خودکارسازی مستندات نظارتی (Regulatory Documentation) سرمایه‌گذاری کنید تا گلوگاه‌های اداری را حذف کنید.
• بررسی کنید که چگونه اجرای مدل‌ها روی زیرساخت شخصی (On-premises) می‌تواند امنیت داده‌های حساس شما را تضمین کند.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.